-
公开(公告)号：CN106405550A
公开(公告)日：2017-02-15
申请号：CN201610825035.8
申请日：2016-09-14
Applicant: 合肥工业大学
IPC: G01S13/90
CPC classification number: G01S13/9035 , G01S2013/9064
Abstract: 本发明公开了一种高速目标ISAR精确成像建模方法，主要解决常规成像模型因假设雷达信号发射、传播和接收过程中目标静止而带来的模型误差的问题。其实现过程是：首先基于常规成像模型，忽略雷达收发过程中目标的运动，得到各慢时间目标与雷达之间的瞬时距离；然后考虑实际雷达脉冲发射、传播和接收过程中空间目标运动情况，根据雷达回波信号的收发时间关系建立精确成像模型的方程组，由此得到雷达脉冲发射到接收的总时间延迟和各慢时间目标与雷达之间的瞬时距离；最后结合发射信号的具体形式，可以得到目标回波的具体表达，进而确定高速目标ISAR精确成像模型。
-
公开(公告)号：CN106296602A
公开(公告)日：2017-01-04
申请号：CN201610628682.X
申请日：2016-08-03
Applicant: 合肥工业大学
IPC: G06T5/00
CPC classification number: G06T5/00
Abstract: 本发明公开了一种三维小波变换的极化SAR滤波方法，其实现过程是：在Span图上构造三维图像块样本组，使用三维非抽样小波变换并利用局部线性最小均方误差估计进行系数收缩，再逆变换重构更新Span图；在更新的Span图上利用边界对齐窗和Sigma范围选取相似像素参与滤波；根据相似像素集合计算结构相似性指数并结合原始极化SAR数据最终实现极化SAR非局部均值滤波。本发明在有效抑制相干斑噪声的同时能进一步保持图像结构信息和极化散射信息，可用于极化SAR图像滤波处理。
-
公开(公告)号：CN105974409A
公开(公告)日：2016-09-28
申请号：CN201610025343.2
申请日：2016-01-13
Applicant: 合肥工业大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于多频子带并发的星载滑动聚束MIMO‑SAR成像方法，能够在降低雷达系统实现难度与成本的同时获得两维高分辨率、宽测绘带以及更高的信噪比。实现过程如下：（1）提出了一种通道采样位置误差校正方法。（2）提出了一种多子带方位去斜方法。既能降低信号的多普勒带宽，使其小于系统的等效PRF，又能保证方位去斜后子带信号间的距离历程差异仍然可以方便地得到补偿。（3）对传统的频域子带拼接方法进行了改进，使其既能避免距离向插值，又对系统参数没有特别的要求，具有更强的适应性。
-
公开(公告)号：CN103442161B
公开(公告)日：2016-03-02
申请号：CN201310364748.5
申请日：2013-08-20
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于3D空时图像估计技术的视频稳像方法，通过摄像机采集原始数据，将采集到的原始数据预处理成连续的帧序列，利用当前帧与参考帧的空间相似性来估计帧间运动情况，利用最小距离准则得到每一帧的抖动量，经过多帧处理可以得到一个抖动矢量的集合，得到的抖动矢量的集合用来表示摄像机在时域内的移动情况；根据每帧内所有的抖动估计信息，综合得出当前帧的整体运动情况，由运动估计结果对原场景帧图像进行空间重构，消除抖动量，获得稳定的图像序列。本发明用来消除抖动影响,稳定视频内容，基于3D场景图像估计，能有效解决2D场景稳像中无法处理景深变化的缺陷。
-
公开(公告)号：CN104657995A
公开(公告)日：2015-05-27
申请号：CN201510080662.9
申请日：2015-02-12
Applicant: 合肥工业大学
IPC: G06T7/00
CPC classification number: G06T7/11 , G06T2207/10032 , G06T2207/20081
Abstract: 本发明公开了一种利用区域分裂技术的遥感影像分割方法，首先利用分水岭分割算法对图像进行初始化分割，实现图像的区域化；对区域化的图像构建区域邻接图；对区域邻接图基于马尔科夫场建模并进行k均值初始标记；进入迭代部分，基于马尔科夫模型的全局迭代权值对初始标记的图像进行Gibbs采样标记优化和初始区域合并，同时以二叉树形式保护合并过程的记录；随后对初始分割图像进行区域分裂，返回到初始区域化配置；根据区域二叉树结构的节点数与场景中的对象尺度具有正相关性，自适应地调整各区域空间语境模型中的尺度权值，实现区域更新标记，得到最终分割结果。本发明能很好的消除噪声的影响和影像中复杂场景的自适应更新标记。
-
Patent Agency Ranking
公开(公告)号：CN104200213A
公开(公告)日：2014-12-10
申请号：CN201410395827.7
申请日：2014-08-12
Applicant: 合肥工业大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于多部件的车辆检测方法，首先根据车辆部件的显著程度和不同遮挡情况从车辆对象上提取6个部件，用于组成车辆部件模型；接着采用SVM训练各部件的部件模板和部件检测阈值；最后利用基于帧差法的背景建模得到运动区域；分别检测6个车辆部件，分析不同部件检测标记组合情况，验证车辆遮挡类型，实现车辆检测。本发明具有易实现、鲁棒性强、适应适度形变等优点，不仅能够检测正面遮挡车辆，也能检测一定角度范围内的侧面遮挡车辆，可应用于检测道路交通场景中的遮挡车辆。
-
公开(公告)号：CN103593645A
公开(公告)日：2014-02-19
申请号：CN201310473289.4
申请日：2013-10-11
Applicant: 合肥工业大学
Abstract: 本发明公开了一种剪切图像源相机识别方法，该方法按以下过程进行：图像采集：针对不同的图像采集设备，分别采集若干幅图像，建立相机全分辨率图像数据库；建立相机参考SNP库；剪切图像源辨识：①提取待检剪切图像的传感器噪声模式（SNP）；②按光栅扫描方式逐次计算剪切图像SNP与某台相机对应区域SNP间的相关性，并取最大值作为剪切图像与该台相机的相关性；③利用最大相关性分类器识别源相机。本发明的方法的核心是基于双域多分辨率双边滤波的传感器模式噪声（SNP）提取技术，针对CMOS或CCD传感器，该方法可以有效克服场景污迹特别是强边缘对识别精度的影响，与最大相关系数分类器结合，能够保证剪切图像源相机识别的准确率。
-
公开(公告)号：CN119739739B
公开(公告)日：2025-05-13
申请号：CN202510251923.2
申请日：2025-03-05
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于时空知识图谱注意力网络的检索方法及装置，属于知识图谱技术领域。该方法包括：获取检索语句，提取检索语句中的实体和实体关系，为实体和实体关系分配时间戳和空间坐标，结合实体和实体关系之间的属性信息，构建得到时空知识图谱；基于编码器‑解码器框架构建注意力网络模型，将编码器和解码器中的注意力机制替换为集成注意力机制；将时空知识图谱中实体和实体关系的时间戳、空间坐标和属性信息输入到编码器中生成高维特征向量，解码器将高维特征向量解码输出，得到检索结果。本发明通过时空知识图谱的本体映射和集成注意力机制的知识迁移，可以将一个领域的时空知识应用到其他领域，显著提高检索的泛化能力。
-
公开(公告)号：CN115089162B
公开(公告)日：2024-12-27
申请号：CN202210596218.2
申请日：2022-05-30
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于无人机视频的呼吸率检测方法及装置，属于无人机图像处理技术领域。该方法通过获取包含目标物呼吸动作体征的视频流，选择视频流中目标物胸腹部作为感兴趣区域；对所述感兴趣区域进行灰度处理，将目标物胸腹部振动区域作为对象，对呼吸振动区域进行时间相位处理，提取原始信号；由于原始信号中夹杂着无人机抖动造成的干扰信号，使用模态分解原始信号获得候选的呼吸模态信号，去除无人机晃动造成的干扰信号，抑制了噪声干扰，最终得到良好的呼吸率波形拟合，同时将幅度信息对相位信息的空间域加权可以提升呼吸信号信噪比，实现了精准呼吸率的动态检测。
-
公开(公告)号：CN118981530A
公开(公告)日：2024-11-19
申请号：CN202410853708.5
申请日：2024-06-28
Applicant: 合肥工业大学
IPC: G06F16/335 , G06F16/35 , G06N3/0455
Abstract: 本发明公开了一种专家推荐系统、方法、计算机设备及存储介质，属于计算机信息处理技术领域。针对现有技术中存在的专家推荐方法效率低下、匹配准确性不高的问题，本发明通过输入企业需求数据到基于BERT模型的企业需求分类器中生成企业需求特征，基于LDA的专家建模器输出专家特征，构建深度学习推荐模块计算企业需求特征和专家特征的向量关系以及企业需求隐藏特征和专家隐藏特征的隐藏关系得到匹配分数，构建指标推荐模块对专家其他指标进行量化计算得到匹配分数，根据深度学习推荐模块输出的匹配分数和指标推荐模块输出的匹配分数计算推荐优先度，实现快速精确匹配到可以解决具体技术问题的专家，尤其适用于校企合作场景下的专家推荐。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.024 seconds)
